تصور کنید یک ساعت تمام وقت صرف خواندن جستار پیچیدهای کنید و در نهایت بفهمید هیچ فکر انسانی پشت آن کلمات نبوده است. برای مقابله با این پدیده که «کلودفیشینگ» (Claudefishing) نامیده میشود، ساباستک ابزار جدیدی برای تشخیص محتوای ماشینی معرفی کرد.
طبق اعلام این پلتفرم در ۲۲ ژوئیه ۲۰۲۶، کاربران اکنون میتوانند پستها، یادداشتها و نظرات را اسکن کنند تا تخمین بزنند چه مقدار از متن توسط هوش مصنوعی زاینده (Generative AI) — شبیه به دستیاری که میلیاردها متن را خوانده و حالا با همان لحن جواب میدهد — تولید شده است. همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، مرز بین اثر انسانی و ماشینی در حال محو شدن است و این ابزار لایهای از شفافیت ایجاد میکند.
این قابلیت بر پایه فناوری شرکت Pangram توسعه یافته و هماکنون در نسخه وب و اپلیکیشن iOS فعال است؛ نسخه اندروید نیز بهزودی عرضه میشود. به گزارش ساباستک، خوانندگان میتوانند هر محتوای بالای ۱۰۰ کلمه را با انتخاب گزینه «Scan for AI text» از منوی سه نقطه در گوشه بالای پست تحلیل کنند.
ساباستک برای ارتقای شفافیت، بخش جدیدی به نام «چطور این مطلب را نوشتم» (How I make this) را برای نویسندگان اضافه کرده است تا آنها روند خلق اثر خود را شرح دهند. نویسندگان همچنین میتوانند پیشنویسهای خود را با Pangram اسکن کنند و در صورت مشاهده خطای تشخیص، آن را به ارائهدهنده گزارش دهند.
کریس بست (Chris Best)، مدیرعامل ساباستک، اذعان میکند که این ابزار تنها حضور هوش مصنوعی را شناسایی میکند، نه لزوماً «دقت و تلاش انسانی» نهفته در اثر را. با این حال، او معتقد است پلتفرمهایی که «ساختگی بودن» را پاداش دهند، رقابتی را به راه میاندازند که معیشت نویسندگان حرفهای را تهدید میکند.
این چرخش نشاندهنده گذار به عصر «خوانش مبتنی بر منشأ» است؛ جایی که ارزش اشتراک ماهانه به تلاش تأییدشدهی انسان گره میخورد. اکنون باید منتظر ماند و دید آیا پلتفرمهای خبرنامهای دیگر برای جلوگیری از ریزش کاربران، استانداردهای مشابهی را میپذیرند یا خیر.
گام بعدی شما
- اگر نویسنده هستید، از بخش «How I make this» برای مستندسازی روند تحقیق خود استفاده کنید.
- ابزار Pangram را برای بررسی پیشنویسهای خود به کار ببرید تا نقاط ضعف احتمالی در لحن انسانی متن را بیابید.
- در زمان مطالعه، متون بالای ۱۰۰ کلمه را اسکن کنید تا کیفیت منابع مصرفی خود را بسنجید.
اما داستان سختافزاری این تحول و نحوه اجرای این مدلهای تشخیص در مقیاس میلیونی حتی پیچیدهتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو